进一步分析
UIR Loss使得特征分布更稀疏
从实验结果来看，加入无标签数据的UIR loss后，UIR Loss能使模型学习到更具区分性的特征。下面从模型分类层类心间距离这一角度来验证特征分布的稀疏性。我们计算了分类层类心两两间的cos距离，距离越大，类心分布更稀疏。结果如下表：
随着骨干网络性能提升，baseline和ours的平均距离逐渐增大。同时，ours的平均距离大于baseline。这说明了UIR Loss使得特征分布更稀疏。
UIR Loss提升库外拒绝率
我们找了一批新的无标签数据，统计了它们模型最后输出的最大概率值，值越小，代表性能越好。
总结与展望
半监督损失函数UIR loss可以有效的借助海量无标签的人脸数据，优化人脸识别模型性能，提升模型泛化能力。这一研究成果已经应用到了爱奇艺诸多产品中，在提高用户体验、提高视频内容的创作效率等都发挥了极大作用。爱奇艺APP的“只看Ta”功能，可以实现只看某个演员或者某对CP的功能，不仅满足用户追星或只看某些人物片段的需求，还有助于演员回顾自己演戏的内容，甚至帮助导演挑选自己需要的演员。其实，帮助导演选择演员，爱奇艺还专门有个APP叫“艺汇”，艺汇里通过AI收集了大量的知名或不知名的演员，借助强大的人脸识别模型，不仅可以在海量视频中定位到只属于该演员的CUT片段，还会根据演员的颜值、脸型、气质类型精确搜索心意角色。人脸识别的另一大特色应用，就是用户所熟知的AI雷达功能，在爱奇艺APP中点击画面左侧的“扫一扫”按钮，就可以随时看到画面中的演员角色信息，同时在电视端遥控器轻轻按“上键”，就可以在电视画面上展现明星的“这是谁”信息。在专业的视频内容制作方面，爱奇艺的爱创媒资系统可以支持人物搜索、特定人物的表情搜索、声纹识别等，大大提高了制作人员的效率。
爱奇艺借助其强大的技术实力和前沿的AI研发能力，不断的创新突破，走在视频行业的最前面。当然，技术创新永无止境，人脸识别虽然有诸多成熟的应用，但在某些较为极端的情况下，如人脸过于模糊、遮挡过多、侧脸角度过大，甚至只出现背影等情况，单纯依靠人脸识别无法解决，这需要借助多模态来解决。爱奇艺发布的iQIYI-VID数据集是目前业界数据最大的多模态人物识别视频数据集，有效的推进了多模态技术的发展，引起了行内人士的广泛关注。
数据集详情:
http://challenge.ai.iqiyi.com/data-cluster
论文链接:
https://128.84.21.199/abs/1910.10896
